Documentatie voor Azure Machine Learning

Meer informatie over het trainen en implementeren van modellen en het beheren van de ML-levenscyclus (MLOps) met Azure Machine Learning. Zelfstudies, codevoorbeelden, API-verwijzingen en meer.

Overzicht

Overzicht

• Wat is Azure Machine Learning?

Quickstart & instellen

Snelstart

• Resources maken
• Aan de slag met Azure Machine Learning

Begin met de basisbeginselen

Zelfstudie

• Gegevens voorbereiden en verkennen
• Ontwikkelen op een cloudwerkstation
• Een model trainen
• Een model implementeren
• Een herbruikbare pijplijn instellen

Werken met gegevens

Instructies

• Apache Spark gebruiken in Azure Machine Learning
• Gegevensassets maken
• Werken met tabellen

Modellen trainen

Instructies

• Training uitvoeren met CLI, SDK of REST API
• Hyperparameters afstemmen voor modeltraining
• Pijplijnen bouwen van herbruikbare onderdelen
• Geautomatiseerde ML in Studio gebruiken
• Trainen met R

Modellen implementeren

Implementeren

• Modelimplementatie stroomlijnen met eindpunten
• Realtime scoren met online-eindpunten
• Batch scoren met batch-eindpunten
• R-modellen implementeren

De ml-levenscyclus beheren (MLOps)

Instructies

• Trainingsuitvoeringen bijhouden, bewaken en analyseren
• Modelbeheer, implementatie & bewaking

Beveiliging voor ML-projecten

Instructies

• Een beveiligde werkruimte maken
• Verbinding maken met gegevensbronnen
• Ondernemingsbeveiliging & governance

Naslagdocumentatie

Referentie

• Python SDK (v2)
• CLI (v2)
• REST-API
• Verwijzing naar algoritme &-onderdeel

Resources

Referentie

• Upgraden naar v2
• Codevoorbeelden voor Python SDK (v2)
• CLI-codevoorbeelden (v2)
• Documentatie voor ML Studio (klassiek)